（同态滤波器）HomoFilter based on C++

最新推荐文章于 2022-03-16 11:32:25 发布
最新推荐文章于 2022-03-16 11:32:25 发布
阅读量714 收藏 1
点赞数
分类专栏： cpp Computer Vision 文章标签： cpp HomoFilter 图像增强 频域增强
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34243847/article/details/81167738
版权

HIT2018暑期创新训练课

图像工程导论作业源码

-------------------------------------------------- by cx

1. Enhancement.h（头文件：声明所用库，名字空间以及所用函数）

#ifndef ENHANCEMENT_H_INCLUDED

#define ENHANCEMENT_H_INCLUDED

#include <opencv2/core/core.hpp>

#include <opencv2/highgui/highgui.hpp>

#include <opencv2/imgproc/imgproc.hpp>

#include <iostream>

#include <vector>

 

using namespace cv;

using namespace std;

 

void Equalized(Mat image);

void Laplace(Mat image);

void cx_HomoFilter(Mat image, Mat &dst);

 

#endif

2. main.cpp（主函数：读取图片或者视频帧）

#include"Enhancement.h"

 

int main()

{

    //图像

    //Mat src_mat = imread("lalala.jpg", 3);

    //imshow("src:", src_mat);

    //Mat dst_mat(src_mat.rows, src_mat.cols, src_mat.type());

    Equalized(frame);

    Laplace(frame);

    //cx_HomoFilter(src_mat, dst_mat);

    //waitKey(0);

    //return 0;

 

    //视频

    VideoCapture capture("MAQ01240.MP4");

    if (!capture.isOpened())

    return 1;

    double rate = capture.get(CV_CAP_PROP_FPS);

    bool stop(false);

    Mat frame;

    int delay = 1000 / rate;

    while (!stop)

    {

    if (!capture.read(frame))

    break;

    Mat dst_mat(frame.rows, frame.cols, frame.type());

    //Equalized(frame);

    //Laplace(frame);

    cx_HomoFilter(frame, dst_mat);

    int c = waitKey(delay);

    //按下ESC或者到达指定的结束帧后退出读取视频

    if ((char)c == 27 )

    {

         stop = true;

    }

    //按下按键后会停留在当前帧，等待下一次按键

    if (c >= 0)

    {

         waitKey(0);

    }

    waitKey(delay);

    if (waitKey(delay) >= 0)

         stop = true;

    }

    capture.release();

    waitKey(0);

    return 0;

}

3. Equalized.cpp(直方图均衡函数定义)

#include"Enhancement.h"

 

void Equalized(Mat image)

{

    Mat YCrCb_image;

    YCrCb_image.create(image.size(), image.type());

    cvtColor(image, YCrCb_image, CV_BGR2YCrCb);

    imshow("YCrCb", YCrCb_image);

 

    vector<Mat> channels;

    channels.resize(3);

 

    split(YCrCb_image, channels);

 

 

    equalizeHist(channels[0], channels[0]);

 

    merge(channels, YCrCb_image);

    cvtColor(YCrCb_image, YCrCb_image, CV_YCrCb2BGR); //change the color image from YCrCb to BGR format (to display image properly)

   

    imshow("Equalized", YCrCb_image);

    imshow("Original", image);

}

4. cx_HomoFilter.cpp（同态滤波函数定义）

#include"Enhancement.h"

 

void cx_HomoFilter(Mat image, Mat &dst)

{

    resize(image, image, Size(480, 480)); //vc::dct只能处理方阵

    imshow("image", image);

 

    //转HSV

    Mat YUV_image(image.size(), CV_64FC3);

    cvtColor(image, YUV_image, CV_BGR2YUV);

    //imshow("YUV", YUV_image);

 

    vector<Mat> channels;

    channels.resize(3);

 

    split(YUV_image, channels);

 

    Mat y0 = channels.at(0); //imshow("Y0", y0); //保存原始值用于test

    Mat u0 = channels.at(1); //imshow("U0", u0);

    Mat v0 = channels.at(2); //imshow("V0", v0);

 

    Mat y = channels.at(0);   //imshow("Y", y); //YUV值

    Mat u = channels.at(1); //imshow("U", u);

    Mat v = channels.at(2); //imshow("V", v);

 

    y.convertTo(y, CV_64FC1); //转换格式为CV_64FC1

    u.convertTo(u, CV_64FC1);

    v.convertTo(v, CV_64FC1);

 

    //1.求对数

    for (int i = 0; i < y.rows; i++)

    {

         double* srcdata = y.ptr<double>(i);

         double* logdata = y.ptr<double>(i);

         for (int j = 0; j < y.cols; j++)

         {

             srcdata[j] = srcdata[j] / 255.0 + 1; //避免图像变成白色

             logdata[j] = log(srcdata[j]);

         }

    }

    //imshow("LnImgY", y);

    for (int i = 0; i < u.rows; i++)

    {

         double* srcdata = u.ptr<double>(i);

         double* logdata = u.ptr<double>(i);

         for (int j = 0; j < u.cols; j++)

         {

             srcdata[j] = srcdata[j] / 255.0 + 1;

             logdata[j] = log(srcdata[j]);

         }

    }

    //imshow("LnImgU", u);

    for (int i = 0; i < v.rows; i++)

    {

         double* srcdata = v.ptr<double>(i);

         double* logdata = v.ptr<double>(i);

         for (int j = 0; j < v.cols; j++)

         {

             srcdata[j] = srcdata[j] / 255.0 + 1;

             logdata[j] = log(srcdata[j]);

         }

    }

    //imshow("LnImgV", v);

 

    //2.DCT

 

    //定义DCT系数的三个通道

    Mat DCTY(image.size(), CV_64FC1);

    Mat DCTU(image.size(), CV_64FC1);

    Mat DCTV(image.size(), CV_64FC1);

 

    dct(y, DCTY);

    dct(u, DCTU);

    dct(v, DCTV);

 

    imshow("DCTY", DCTY);

    imshow("DCTU", DCTU);

    imshow("DCTV", DCTV);

 

    //3.高通滤波

    double gammaH = 3.5;//调节gammaH与gammaL的值，调节对比度

    double gammaL = 2.5;

    double C = 5;

    //double d0 = (image.rows / 2)*(image.rows / 2) + (image.cols / 2)*(image.cols / 2);

    double d0 = 5; //截止值

    double d2 = 0;

 

    Mat HFilter = Mat::zeros(image.size(), CV_64FC1);

 

    double totalWeight = 0.0;

    for (int i = 0; i < image.rows; i++)

    {

         double * dataH_u_v = HFilter.ptr<double>(i);

         for (int j = 0; j < image.cols; j++)

         {

             d2 = pow((i), 2.0) + pow((j), 2.0);

             dataH_u_v[j] = (gammaH - gammaL)*(1 - exp(-C*d2 / d0)) + gammaL;

             totalWeight += dataH_u_v[j];

         }

    }

    HFilter.ptr<double>(0)[0] = 9.5;//(0,0)处设置亮度

 

    //imshow("HFilter", HFilter);

 

    DCTY = DCTY.mul(HFilter);

    DCTU = DCTU.mul(HFilter);

    DCTV = DCTV.mul(HFilter);

 

    //imshow("DCTY_Filter", DCTY);

    //imshow("DCTU_Filter", DCTU);

    //imshow("DCTV_Filter", DCTV);

 

    //4.IDCT

    Mat DSTY;

    Mat DSTU;

    Mat DSTV;

 

    idct(DCTY, DSTY);

    idct(DCTU, DSTU);

    idct(DCTV, DSTV);

 

    imshow("DSTY", DSTY);

    imshow("DSTU", DSTU);

    imshow("DSTV", DSTV);

 

    for (int i = 0; i < DSTY.rows; i++)

    {

         double* srcdata = DSTY.ptr<double>(i);

         double* dstdata = DSTY.ptr<double>(i);

         for (int j = 0; j < DSTY.cols; j++)

         {

             dstdata[j] = exp(srcdata[j]);

             dstdata[j] = (dstdata[j] - 1) * 255.0;

         }

    }

    for (int i = 0; i < DSTU.rows; i++)

    {

         double* srcdata = DSTU.ptr<double>(i);

         double* dstdata = DSTU.ptr<double>(i);

         for (int j = 0; j < DSTU.cols; j++)

         {

             dstdata[j] = exp(srcdata[j]);

             dstdata[j] = (dstdata[j] - 1) * 255.0;

         }

    }

    for (int i = 0; i < DSTV.rows; i++)

    {

         double* srcdata = DSTV.ptr<double>(i);

         double* dstdata = DSTV.ptr<double>(i);

         for (int j = 0; j < DSTV.cols; j++)

         {

             dstdata[j] = exp(srcdata[j]);

             dstdata[j] = (dstdata[j] - 1) * 255.0;

         }

    }

   

    DSTY.convertTo(DSTY, CV_8UC1);

    DSTU.convertTo(DSTU, CV_8UC1);

    DSTV.convertTo(DSTV, CV_8UC1);

 

    u0.convertTo(DSTU, CV_8UC1);

    v0.convertTo(DSTV, CV_8UC1);

 

    imshow("DSTY_8U", DSTY);

    imshow("DSTU_8U", DSTU);

    imshow("DSTV_8U", DSTV);

 

    y.convertTo(y, CV_32FC1);

    u.convertTo(u, CV_32FC1);

    v.convertTo(v, CV_32FC1);

 

    channels.at(0) = DSTY;

    channels.at(1) = DSTU;

    channels.at(2) = DSTV;

    //channels.at(1) = u0;//test 只对Y处理，或者只对YV处理，或者YUV一起处理

    //channels.at(2) = v0;

 

    Mat DstImage;

    merge(channels, DstImage);

    imshow("456", DstImage);

    cvtColor(DstImage, DstImage, CV_YUV2BGR);

    imshow("图像", DstImage);

}

最后处理效果如下：（测试图像为彩色图像，但是由于曝光不足，处理之前与处理之后看起来都像是黑白图像）

原图：

滤波之后：

------------------------ 转载或用于商业用途需声明以及告知本人

HIT-WLAN404
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【CV系列】同态滤波的基本原理和实现
CSDN明星博主，认证博客专家，视频、Matlab领域优质创作者。
11-06 1297
DATE: 2019-11-1【Tags: CV, 同态滤波】 前言 1、参考 2、同态滤波的基本原理 3、同态滤波的C++实现
同态滤波详解（新手入门必看）
weixin_44638376的博客
11-30 4576
同态滤波详解（新手入门必看） 同态滤波器的基本思想： · 一个图像f(x,y)可以根据它的亮度和反射分量的乘积来表示f(x,y) = i (x,y)r (x,y) –其中：i (x,y)为亮度函数，r(x,y)反射分量函数 · 通过同时实现压缩亮度范围和增强对比度，来改进图像的表现 同态滤波的目的： 消除不均匀照度的影响而又不损失图象细节。 同态滤波流程： 同态滤波步骤 （3）压缩i(x,y...
OpenCV 同态滤波 高斯高通 C++
cyf15238622067的博客
03-12 5086
概述 https://blog.csdn.net/cyf15238622067/article/details/86657370文中介绍的入射分量和反射分量模型，可开发一种频域处理过程，通过压缩灰度范围和增强对比度来改善一幅图像的外观。 频谱域同态滤波 图像可以表示为照度和反射率的乘积： f(x,y) =i(x,y)r(x,y) 现在定义： 则有： 或 式...
c++ opencv数字图像处理：频率域滤波--同态滤波
刘燚的博客
12-01 4216
文章目录前言一、同态滤波原理1.处理原理二、同态滤波器模板及MATLAB代码1.同态滤波器2.代码 前言 数字图像处理c++ opencv（VS2019 opencv4.53）持续更新 一、同态滤波原理 1.处理原理 （1）认为图像f(x,y)由两部分组成：照射分量i(x,y)，反射分量r(x,y): f(x,y)=i(x,y)∗r(x,y)f(x,y)=i(x,y)*r(x,y)f(x,y)=i(x,y)∗r(x,y) （2）但上式不能直接用于对两个分量在频率域进行处理，因为乘积的傅里叶变换不等于变.
同态滤波 原理及C++实现
I good vegetable a!
11-30 4150
前言 \quad之前做的一些滤波，例如高斯，双边，均值，导向滤波均是在时域下做的滤波。而同态滤波是在频域下来做滤波，用于改善动态范围很大但是暗区细节又不清楚的图像。 原理 \quad对于一般的图像，有这样一个模型f(x,y)=i(x,y)r(x,y)f(x,y)=i(x,y)r(x,y)f(x,y)=i(x,y)r(x,y)。其中f(x, y)代表原图像，i(x,y)代表照射强度，r(x,y)代表...
【14】基于C++的OpenCV同态滤波
qq_33612665的博客
06-08 1504
【1】源码 //同态滤波 #include"HomoFilter.h" #include <iostream> #include<opencv2/core.hpp> #include<opencv.hpp> #include<time.h> #include <math.h> using namespace cv; using namespace std; Mat HomoFilter(Mat inputImg) { Mat homoI
opencv 同态滤波
07-28
opencv 写的同态滤波，高通滤波采用高斯高通滤波器
同态滤波器
05-26
同态滤波器是一种在图像处理领域广泛应用的技术，它允许我们对图像进行算术运算（如加法、乘法）的同时保持图像的原始特征。这种滤波器的独特之处在于，它可以处理数字信号的非线性特性，使得在频域和空域之间可以...
MATLAB设计同态滤波器
04-14
同态滤波的基本原理是：图象的灰度由照射分量和反射分量合成。反射分量反映图象内容，随图象细节不同在空间上作快速变化。照射分量在空间上通常均具有缓慢变化的性质。将像元灰度值看作是照度和反射率两个组份的产物...
图像处理+同态滤波HomoFilter+matlab_图像处理
09-25
同态滤波器（HomoFilter）能够同时处理图像的幅度和相位信息，对于改善图像质量、增强细节表现力具有显著效果。在MATLAB环境下实现同态滤波，可以利用其强大的图像处理库和函数来简化工作流程。 首先，我们了解同态...
同态滤波器 同态滤波的代码
05-24
通过以上步骤，同态滤波器可以有效地处理光照不均匀的图像，提高图像的对比度，使图像的细节更加清晰可见。在实际应用中，可以通过调整滤波器 \( H(u, v) \) 的参数来优化结果，以适应不同的场景和需求。 在实现...
图像中值滤波的原理、算法实现及VC++原代码
07-07
包含图像中值滤波的原理、算法实现及VC++原代码
同态滤波opencv实现
10-10
通过opencv实现同态滤波，可以用以实现去除图像上的云雾
OpenCV实现同态滤波
小学僧的博客
03-16 5271
同态滤波是属于图像增强的一个小算法，其原理和代码实现在众多博客中均有提及，再此，只对学习中一些自认为有用的知识点进行总结。 实现和学习过程中的一些总结： 同态滤波类似于灰度变换，都是对灰度级进行动态范围压缩和对比度增强来改善图像的外观。 图像f(x,y)f(x,y)f(x,y)可以表示为其照射分量i(x,y)i(x,y)i(x,y)和反射分量r(x,y)r(x,y)r(x,y)的乘积，即：f(x,y)=i(x,y)r(x,y) f(x,y)=i(x,y)r(x,y)f(x,y)=i(x,y)r(x,y)
经典的同态滤波算法的优化及其应用参数配置
weixin_39450742的博客
06-30 1965
本篇博文来自博主Imageshop，打赏或想要查阅更多内容可以移步至Imageshop。 转载自：https://www.cnblogs.com/Imageshop/p/9766056.html 侵删 　　同态滤波，网络上有很多文章提到过这个算法，我们摘取百度的一段文字简要的说明了该算法的核心：同态滤波是一种减少低频增加高频，从而减少光照变化并锐化边缘或细节的图像滤波方法。 　　关于该算法，网络上已经有很多资料了，也有很多给出了参考代码，但是很痛心的是我看到的没有一个是完全正确的，或多或少都...
同态滤波（Homomorphic filtering）
好好学习天天向上
05-12 4367
申明：本文非原创，http://www.tofact.com/2011/homomorphic-filtering.html 在生活中会得到这样的图像，它的动态范围很大，而我们感兴趣的部分的灰度又很暗，图像细节没有办法辨认，采用一般的灰度级线性变换法是不行的。图像的同态滤波(Homomorphic filtering)属于图像频率域处理范畴，其作用是对图像灰度范围进行调整，通过消除图像上
图像同态滤波的Butterworth方程(Butterworth equations for homomorphic Filtering of images)
renjiewen1995的专栏
02-13 1415
论文实现代码见本人github MyHomomorphicFilter MyHomomorphicFilter 中文翻译 题目图像同态滤波的Butterworth方程Butterworth equations for homomorphic Filtering of images 介绍 频域滤波函数 计算机程序 结果 讨论和结论 总结 参考文献 ​ 使用OpenCV实现同...
【数字图像处理2.1 】频率域中的 高通滤波 和 低通滤波 Python+Opencv+Numpy
火火的博客
10-18 4180
前言 1、图像的高频信息往往是细节+噪声 2、中频信息一般是图像的框架信息 3、低频信息数量最多，是图形的主体 所以，高通滤波器，只通过高频信息，所以留下来的图像只有边缘等细节信息，看起来像简笔画。 低通滤波器同理。 效果图 代码 import numpy as np import matplotlib.pyplot as plt import cv2 ################################################################### #########
【14】同态滤波
qq_33612665的博客
05-21 219
（1）经典的同态滤波算法的优化及其应用参数配置。 （2）同态滤波 原理及C++实现 （3）https://github.com/lilingyu/homofilter/blob/master/hello_opencv/homo_filter.cpp
简述同态滤波器的原理。
最新发布
06-09
同态滤波器是一种能够有效增强图像对比度和亮度的滤波器，主要用于图像增强和去除图像模糊。同态滤波器的原理基于信号的频域分析，其主要思想是将图像分解为不同的频率分量，对每个分量进行滤波和调整，再将各分量...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值